library(summarytools)
library(tidyverse)
## -- Attaching core tidyverse packages ------------------------ tidyverse 2.0.0 --
## v dplyr 1.1.2 v readr 2.1.4
## v forcats 1.0.0 v stringr 1.5.0
## v ggplot2 3.4.2 v tibble 3.2.1
## v lubridate 1.9.2 v tidyr 1.3.0
## v purrr 1.0.1
## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()
## x tibble::view() masks summarytools::view()
## i Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
library(ggthemes)
library(haven)
Base_Trajipaq_Finale_Ok <- read_dta("~/Desktop/Base_Trajipaq_Finale_Ok.dta")
# Q10 = êtes-vous un homme, une femme ou autre (précisez) ?
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(SEXE = case_when(
Q10 == 1 ~ "Homme",
Q10 == 2 ~ "Femme",
Q10 == 97 ~ "Autre"
))
freq(Base_Trajipaq_Finale_Ok$SEXE)
## Frequencies
## Base_Trajipaq_Finale_Ok$SEXE
## Type: Character
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## ----------- ------ --------- -------------- --------- --------------
## Femme 886 56.69 56.69 56.69 56.69
## Homme 677 43.31 100.00 43.31 100.00
## <NA> 0 0.00 100.00
## Total 1563 100.00 100.00 100.00 100.00
ggplot(data = Base_Trajipaq_Finale_Ok, mapping = aes(x = SEXE)) +
geom_bar(fill = "pink") +
labs(
title = "Distribution du sexe",
x = "Sexe"
) +
coord_flip() +
theme_bw()
# QAGE = à quel groupe d'âge appartenez-vous ?
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(AGE = case_when(
QAGE == 1 ~ "[0;19]",
QAGE == 2 ~ "[20;24]",
QAGE == 3 ~ "[25;29]",
QAGE == 4 ~ "[30;34]",
QAGE == 5 ~ "[35;39]",
QAGE == 6 ~ "[40;44]",
QAGE == 7 ~ "[45;49]",
QAGE == 8 ~ "[50;60]",
QAGE == 9 ~ "[61;99]",
QAGE == 99 ~ NA
))
Base_Trajipaq_Finale_Ok$AGE <- factor(Base_Trajipaq_Finale_Ok$AGE,levels = c(
"[0;19]",
"[20;24]",
"[25;29]",
"[30;34]",
"[35;39]",
"[40;44]",
"[45;49]",
"[50;60]",
"[61;99]",
NA
), ordered = TRUE)
freq(Base_Trajipaq_Finale_Ok$AGE)
## Frequencies
## Base_Trajipaq_Finale_Ok$AGE
## Type: Ordered Factor
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## ------------- ------ --------- -------------- --------- --------------
## [0;19] 0 0.00 0.00 0.00 0.00
## [20;24] 76 4.86 4.86 4.86 4.86
## [25;29] 136 8.70 13.56 8.70 13.56
## [30;34] 259 16.57 30.13 16.57 30.13
## [35;39] 385 24.63 54.77 24.63 54.77
## [40;44] 328 20.99 75.75 20.99 75.75
## [45;49] 182 11.64 87.40 11.64 87.40
## [50;60] 125 8.00 95.39 8.00 95.39
## [61;99] 72 4.61 100.00 4.61 100.00
## <NA> 0 0.00 100.00
## Total 1563 100.00 100.00 100.00 100.00
ggplot(data = Base_Trajipaq_Finale_Ok, mapping = aes(x = AGE)) +
geom_bar(fill = "pink") +
labs(
title = "Distribution de l'age par groupes",
x = "Age en annees"
) +
coord_flip() +
theme_bw()
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(EDUCATION = case_when(
Q26 == 1 ~ "Elementaire",
Q26 == 2 ~ "Secondaire",
Q26 == 3 ~ "Collegial",
Q26 == 4 ~ "Post secondaire",
Q26 == 5 ~ "Universitaire",
Q26 == 6 ~ NA,
Q26 == 98 ~ NA,
Q26 == 99 ~ NA
))
Base_Trajipaq_Finale_Ok$EDUCATION <- factor(Base_Trajipaq_Finale_Ok$EDUCATION,levels = c(
"Elementaire",
"Secondaire",
"Post secondaire",
"Collegial",
"Universitaire",
NA
), ordered = TRUE)
freq(Base_Trajipaq_Finale_Ok$EDUCATION)
## Frequencies
## Base_Trajipaq_Finale_Ok$EDUCATION
## Type: Ordered Factor
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## --------------------- ------ --------- -------------- --------- --------------
## Elementaire 238 16.49 16.49 15.23 15.23
## Secondaire 355 24.60 41.09 22.71 37.94
## Post secondaire 196 13.58 54.68 12.54 50.48
## Collegial 241 16.70 71.38 15.42 65.90
## Universitaire 413 28.62 100.00 26.42 92.32
## <NA> 120 7.68 100.00
## Total 1563 100.00 100.00 100.00 100.00
ggplot(subset(Base_Trajipaq_Finale_Ok, !is.na(EDUCATION)), aes(x = EDUCATION)) +
geom_bar(fill = "pink") +
labs(
title = "Distribution du niveau d'education",
x = "Niveau d'education"
) +
coord_flip() +
theme_bw()
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(ORIGINE = case_when(
region_naissance == "ANMO" ~ "Afrique du Nord et Moyen Orient",
region_naissance == "ACAS" ~ "Amerique centrale et Amerique su Sud",
region_naissance == "Afrique subsaharienne" ~ "Afrique subsaharienne",
region_naissance == "Asie" ~ "Asie",
region_naissance == "Autres" ~ "Autres",
region_naissance == "Canada" ~ "Canada",
region_naissance == "Caraibes" ~ "Caraibes",
region_naissance == "Europe" ~ "Europe",
region_naissance == "France" ~ "France",
region_naissance == "NSP" ~ NA,
))
freq(Base_Trajipaq_Finale_Ok$ORIGINE)
## Frequencies
## Base_Trajipaq_Finale_Ok$ORIGINE
## Type: Character
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## ------------------------------------------ ------ --------- -------------- --------- --------------
## Afrique du Nord et Moyen Orient 239 16.70 16.70 15.29 15.29
## Amerique centrale et Amerique su Sud 119 8.32 25.02 7.61 22.90
## Asie 96 6.71 31.73 6.14 29.05
## Autres 24 1.68 33.40 1.54 30.58
## Canada 454 31.73 65.13 29.05 59.63
## Caraibes 54 3.77 68.90 3.45 63.08
## Europe 148 10.34 79.25 9.47 72.55
## France 297 20.75 100.00 19.00 91.55
## <NA> 132 8.45 100.00
## Total 1563 100.00 100.00 100.00 100.00
ggplot(subset(Base_Trajipaq_Finale_Ok, !is.na(ORIGINE)), aes(x = ORIGINE)) +
geom_bar(fill = "pink") +
labs(
title = "Distribution de l'origine par region",
x = "Region"
) +
coord_flip() +
theme_bw()
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(REVENU = case_when(
Q100 == 1 ~ "[0 ; 19 999]",
Q100 == 2 ~ "[0 ; 19 999]",
Q100 == 3 ~ "[20 000 ; 39 999]",
Q100 == 4 ~ "[20 000 ; 39 999]",
Q100 == 5 ~ "[40 000 ; 59 999]",
Q100 == 6 ~ "[40 000 ; 59 999]",
Q100 == 7 ~ "[60 000 ; 79 999]",
Q100 == 8 ~ "[60 000 ; 79 999]",
Q100 == 9 ~ "[80 000 ; 99 999]",
Q100 == 10 ~ "[90 000 ; 99 999]",
Q100 == 11 ~ "[100 000 ; 149 999]",
Q100 == 12 ~ "[150 000 et plus]",
Q100 == 98 ~ NA,
Q100 == 99 ~ NA
))
Base_Trajipaq_Finale_Ok$REVENU <- factor(Base_Trajipaq_Finale_Ok$REVENU,levels = c(
"[0 ; 19 999]",
"[20 000 ; 39 999]",
"[40 000 ; 59 999]",
"[60 000 ; 79 999]",
"[80 000 ; 99 999]",
"[100 000 ; 149 999]",
"[150 000 et plus]",
NA
), ordered = TRUE)
freq(Base_Trajipaq_Finale_Ok$REVENU)
## Frequencies
## Base_Trajipaq_Finale_Ok$REVENU
## Type: Ordered Factor
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## ------------------------- ------ --------- -------------- --------- --------------
## [0 ; 19 999] 169 13.07 13.07 10.81 10.81
## [20 000 ; 39 999] 250 19.33 32.41 15.99 26.81
## [40 000 ; 59 999] 351 27.15 59.55 22.46 49.26
## [60 000 ; 79 999] 239 18.48 78.04 15.29 64.56
## [80 000 ; 99 999] 90 6.96 85.00 5.76 70.31
## [100 000 ; 149 999] 151 11.68 96.67 9.66 79.97
## [150 000 et plus] 43 3.33 100.00 2.75 82.73
## <NA> 270 17.27 100.00
## Total 1563 100.00 100.00 100.00 100.00
ggplot(subset(Base_Trajipaq_Finale_Ok, !is.na(REVENU)), aes(x = REVENU)) +
geom_bar(fill = "pink") +
labs(
title = "Distribution du revenu par groupes",
x = "Revenu"
) +
coord_flip() +
theme_bw()
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(LANGUE = case_when(
Q20M1 == 1 ~ "Francais",
Q20M1 == 2 ~ "Anglais",
Q20M1 == 97 ~ "Autre",
Q20M1 == 98 ~ NA,
Q20M1 == 99 ~ NA
))
freq(Base_Trajipaq_Finale_Ok$LANGUE)
## Frequencies
## Base_Trajipaq_Finale_Ok$LANGUE
## Type: Character
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## -------------- ------ --------- -------------- --------- --------------
## Anglais 129 8.34 8.34 8.25 8.25
## Autre 430 27.81 36.16 27.51 35.76
## Francais 987 63.84 100.00 63.15 98.91
## <NA> 17 1.09 100.00
## Total 1563 100.00 100.00 100.00 100.00
ggplot(subset(Base_Trajipaq_Finale_Ok, !is.na(LANGUE)), aes(x = LANGUE)) +
geom_bar(fill = "pink") +
labs(
title = "Distribution de la langue maternelle",
x = "Langue maternelle"
) +
coord_flip() +
theme_bw()
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(RELIGION = case_when(
Q17 == 0 ~ "Sans religion",
Q17 == 1 ~ "Catholique",
Q17 == 2 ~ "Protestante",
Q17 == 3 ~ "Autres Chretiens",
Q17 == 4 ~ "Autres Chretiens",
Q17 == 5 ~ "Autres Chretiens",
Q17 == 6 ~ "Orthodoxe",
Q17 == 7 ~ "Autres Chretiens",
Q17 == 8 ~ "Musulmans",
Q17 == 9 ~ "Autre",
Q17 == 10 ~ "Autre",
Q17 == 11 ~ "Autre",
Q17 == 12 ~ "Autre",
Q17 == 97 ~ "Autre",
Q17 == 98 ~ NA,
Q17 == 99 ~ NA
))
freq(Base_Trajipaq_Finale_Ok$RELIGION)
## Frequencies
## Base_Trajipaq_Finale_Ok$RELIGION
## Type: Character
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## ---------------------- ------ --------- -------------- --------- --------------
## Autre 89 5.86 5.86 5.69 5.69
## Autres Chretiens 47 3.10 8.96 3.01 8.70
## Catholique 489 32.21 41.17 31.29 39.99
## Musulmans 210 13.83 55.01 13.44 53.42
## Orthodoxe 89 5.86 60.87 5.69 59.12
## Protestante 42 2.77 63.64 2.69 61.80
## Sans religion 552 36.36 100.00 35.32 97.12
## <NA> 45 2.88 100.00
## Total 1563 100.00 100.00 100.00 100.00
ggplot(subset(Base_Trajipaq_Finale_Ok, !is.na(RELIGION)), aes(x = RELIGION)) +
geom_bar(fill = "pink") +
labs(
title = "Distribution de la religion",
x = "Religion"
) +
coord_flip() +
theme_bw()
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(MATRIMONIAL = case_when(
STATUT == 1 ~ "Celibataire",
STATUT == 2 ~ "Marie(e)",
STATUT == 3 ~ "Conjoint(e) de fait",
STATUT == 4 ~ "Separe(e)",
STATUT == 5 ~ "Divorce(e)",
STATUT == 6 ~ "Veuf(ve)"
))
freq(Base_Trajipaq_Finale_Ok$MATRIMONIAL)
## Frequencies
## Base_Trajipaq_Finale_Ok$MATRIMONIAL
## Type: Character
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## ------------------------- ------ --------- -------------- --------- --------------
## Celibataire 363 24.26 24.26 23.22 23.22
## Conjoint(e) de fait 331 22.13 46.39 21.18 44.40
## Divorce(e) 46 3.07 49.47 2.94 47.34
## Marie(e) 711 47.53 96.99 45.49 92.83
## Separe(e) 39 2.61 99.60 2.50 95.33
## Veuf(ve) 6 0.40 100.00 0.38 95.71
## <NA> 67 4.29 100.00
## Total 1563 100.00 100.00 100.00 100.00
ggplot(subset(Base_Trajipaq_Finale_Ok, !is.na(MATRIMONIAL)), aes(x = MATRIMONIAL)) +
geom_bar(fill = "pink") +
labs(
title = "Distribution du statut matrimonial",
x = "Statut matrimonial"
) +
coord_flip() +
theme_bw()
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(Q39A = case_when(
Q39A == 1 ~ 4,
Q39A == 2 ~ 3,
Q39A == 3 ~ 2,
Q39A == 4 ~ 1,
Q39A == 98 ~ NA,
Q39A == 99 ~ NA
))
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(Q39B = case_when(
Q39B == 1 ~ 4,
Q39B == 2 ~ 3,
Q39B == 3 ~ 2,
Q39B == 4 ~ 1,
Q39B == 98 ~ NA,
Q39B == 99 ~ NA
))
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(Q39C = case_when(
Q39C == 1 ~ 4,
Q39C == 2 ~ 3,
Q39C == 3 ~ 2,
Q39C == 4 ~ 1,
Q39C == 98 ~ NA,
Q39C == 99 ~ NA
))
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(Q39D = case_when(
Q39D == 1 ~ 4,
Q39D == 2 ~ 3,
Q39D == 3 ~ 2,
Q39D == 4 ~ 1,
Q39D == 98 ~ NA,
Q39D == 99 ~ NA
))
v_VD1 <- c(
"Q39A",
"Q39B",
"Q39C",
"Q39D"
)
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
rowwise() %>%
mutate(VD1 = (sum(c_across(all_of(v_VD1)), na.rm = TRUE) - length(v_VD1)) / (3*length(v_VD1))) %>%
mutate(VD1 = if (VD1 < 0) NA_real_ else VD1) %>%
ungroup()
descr(Base_Trajipaq_Finale_Ok$VD1)
## Descriptive Statistics
## Base_Trajipaq_Finale_Ok$VD1
## N: 1563
##
## VD1
## ----------------- ---------
## Mean 0.53
## Std.Dev 0.24
## Min 0.00
## Q1 0.33
## Median 0.50
## Q3 0.75
## Max 1.00
## MAD 0.25
## IQR 0.42
## CV 0.45
## Skewness -0.20
## SE.Skewness 0.06
## Kurtosis -0.78
## N.Valid 1540.00
## Pct.Valid 98.53
ggplot(data = Base_Trajipaq_Finale_Ok, mapping = aes(x = VD1)) +
geom_histogram(na.rm = TRUE, fill = "pink", binwidth = 0.01) +
labs(
title = "Distribution du sentiment d'appartenance au Quebec",
x = "Indice du sentiment d'appartenance au Quebec"
) +
theme_bw()
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(VD2 = case_when(
Q39E == 1 ~ "Oui",
Q39E == 2 ~ "Oui",
Q39E == 3 ~ "Non",
Q39E == 4 ~ "Non",
Q39E == 98 ~ NA,
Q39E == 99 ~ NA
))
freq(Base_Trajipaq_Finale_Ok$VD2)
## Frequencies
## Base_Trajipaq_Finale_Ok$VD2
## Type: Character
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## ----------- ------ --------- -------------- --------- --------------
## Non 271 17.82 17.82 17.34 17.34
## Oui 1250 82.18 100.00 79.97 97.31
## <NA> 42 2.69 100.00
## Total 1563 100.00 100.00 100.00 100.00
ggplot(subset(Base_Trajipaq_Finale_Ok, !is.na(VD2)), aes(x = VD2)) +
geom_bar(fill = "pink") +
labs(
title = "Distribution du sentiment d'appartenance au Canada",
x = "Sentiment d'appartenance au Canada"
) +
coord_flip() +
theme_bw()
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(VD3 = case_when(
Q39F == 1 ~ "Oui",
Q39F == 2 ~ "Oui",
Q39F == 3 ~ "Non",
Q39F == 4 ~ "Non",
Q39F == 98 ~ NA,
Q39F == 99 ~ NA
))
freq(Base_Trajipaq_Finale_Ok$VD3)
## Frequencies
## Base_Trajipaq_Finale_Ok$VD3
## Type: Character
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## ----------- ------ --------- -------------- --------- --------------
## Non 280 18.58 18.58 17.91 17.91
## Oui 1227 81.42 100.00 78.50 96.42
## <NA> 56 3.58 100.00
## Total 1563 100.00 100.00 100.00 100.00
ggplot(subset(Base_Trajipaq_Finale_Ok, !is.na(VD3)), aes(x = VD3)) +
geom_bar(fill = "pink") +
labs(
title = "Distribution du sentiment d'appartenance au pays d'origine",
x = "Sentiment d'appartenance au pays d'origine"
) +
coord_flip() +
theme_bw()
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(Q40A = case_when(
Q40A == 1 ~ 3,
Q40A == 2 ~ 2,
Q40A == 3 ~ 1,
Q40A == 96 ~ NA,
Q40A == 98 ~ NA,
Q40A == 99 ~ NA
))
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(Q40B = case_when(
Q40B == 1 ~ 3,
Q40B == 2 ~ 2,
Q40B == 3 ~ 1,
Q40B == 96 ~ NA,
Q40B == 98 ~ NA,
Q40B == 99 ~ NA
))
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(Q40C = case_when(
Q40C == 1 ~ 3,
Q40C == 2 ~ 2,
Q40C == 3 ~ 1,
Q40C == 96 ~ NA,
Q40C == 98 ~ NA,
Q40C == 99 ~ NA
))
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(Q40D = case_when(
Q40D == 1 ~ 3,
Q40D == 2 ~ 2,
Q40D == 3 ~ 1,
Q40D == 96 ~ NA,
Q40D == 98 ~ NA,
Q40D == 99 ~ NA
))
v_VI4 <- c(
"Q40A",
"Q40B",
"Q40C",
"Q39D"
)
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
rowwise() %>%
mutate(VI4 = (sum(c_across(all_of(v_VI4)), na.rm = TRUE) - length(v_VI4)) / (2.25*length(v_VI4))) %>%
mutate(VI4 = if (VI4 < 0) NA_real_ else VI4) %>%
ungroup()
descr(Base_Trajipaq_Finale_Ok$VI4)
## Descriptive Statistics
## Base_Trajipaq_Finale_Ok$VI4
## N: 1563
##
## VI4
## ----------------- ---------
## Mean 0.27
## Std.Dev 0.17
## Min 0.00
## Q1 0.11
## Median 0.22
## Q3 0.33
## Max 1.00
## MAD 0.16
## IQR 0.22
## CV 0.64
## Skewness 0.94
## SE.Skewness 0.06
## Kurtosis 2.17
## N.Valid 1440.00
## Pct.Valid 92.13
ggplot(data = Base_Trajipaq_Finale_Ok, mapping = aes(x = VI4)) +
geom_histogram(na.rm = TRUE, fill = "pink", binwidth = 0.01) +
labs(
title = "Distribution de la discrimination subie au cours des 12 derniers mois",
x = "Indice de la discrimination subie au cours des 12 derniers mois"
) +
theme_bw()
reg_1 <- lm(Base_Trajipaq_Finale_Ok$VI4 ~ Base_Trajipaq_Finale_Ok$VD1 +
Base_Trajipaq_Finale_Ok$SEXE +
Base_Trajipaq_Finale_Ok$AGE +
Base_Trajipaq_Finale_Ok$EDUCATION +
Base_Trajipaq_Finale_Ok$ORIGINE +
Base_Trajipaq_Finale_Ok$REVENU +
Base_Trajipaq_Finale_Ok$LANGUE +
Base_Trajipaq_Finale_Ok$RELIGION +
Base_Trajipaq_Finale_Ok$MATRIMONIAL
)
summary(reg_1)
##
## Call:
## lm(formula = Base_Trajipaq_Finale_Ok$VI4 ~ Base_Trajipaq_Finale_Ok$VD1 +
## Base_Trajipaq_Finale_Ok$SEXE + Base_Trajipaq_Finale_Ok$AGE +
## Base_Trajipaq_Finale_Ok$EDUCATION + Base_Trajipaq_Finale_Ok$ORIGINE +
## Base_Trajipaq_Finale_Ok$REVENU + Base_Trajipaq_Finale_Ok$LANGUE +
## Base_Trajipaq_Finale_Ok$RELIGION + Base_Trajipaq_Finale_Ok$MATRIMONIAL)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.56109 -0.08475 -0.01654 0.05991 0.72808
##
## Coefficients:
## Estimate
## (Intercept) 6.330e-02
## Base_Trajipaq_Finale_Ok$VD1 3.924e-01
## Base_Trajipaq_Finale_Ok$SEXEHomme 1.400e-02
## Base_Trajipaq_Finale_Ok$AGE.L 2.563e-02
## Base_Trajipaq_Finale_Ok$AGE.Q -3.304e-02
## Base_Trajipaq_Finale_Ok$AGE.C 1.932e-02
## Base_Trajipaq_Finale_Ok$AGE^4 -2.840e-02
## Base_Trajipaq_Finale_Ok$AGE^5 1.928e-02
## Base_Trajipaq_Finale_Ok$AGE^6 2.051e-03
## Base_Trajipaq_Finale_Ok$AGE^7 -2.090e-03
## Base_Trajipaq_Finale_Ok$EDUCATION.L 2.157e-02
## Base_Trajipaq_Finale_Ok$EDUCATION.Q 1.461e-02
## Base_Trajipaq_Finale_Ok$EDUCATION.C -2.149e-02
## Base_Trajipaq_Finale_Ok$EDUCATION^4 -2.141e-02
## Base_Trajipaq_Finale_Ok$ORIGINEAmerique centrale et Amerique su Sud 4.344e-02
## Base_Trajipaq_Finale_Ok$ORIGINEAsie 5.762e-02
## Base_Trajipaq_Finale_Ok$ORIGINEAutres 1.716e-02
## Base_Trajipaq_Finale_Ok$ORIGINECanada -3.062e-02
## Base_Trajipaq_Finale_Ok$ORIGINECaraibes 5.712e-02
## Base_Trajipaq_Finale_Ok$ORIGINEEurope -1.881e-02
## Base_Trajipaq_Finale_Ok$ORIGINEFrance -3.528e-02
## Base_Trajipaq_Finale_Ok$REVENU.L -4.929e-02
## Base_Trajipaq_Finale_Ok$REVENU.Q -1.630e-03
## Base_Trajipaq_Finale_Ok$REVENU.C -3.532e-03
## Base_Trajipaq_Finale_Ok$REVENU^4 -2.741e-02
## Base_Trajipaq_Finale_Ok$REVENU^5 4.314e-03
## Base_Trajipaq_Finale_Ok$REVENU^6 -1.794e-02
## Base_Trajipaq_Finale_Ok$LANGUEAutre -3.379e-02
## Base_Trajipaq_Finale_Ok$LANGUEFrancais -2.808e-05
## Base_Trajipaq_Finale_Ok$RELIGIONAutres Chretiens -1.013e-02
## Base_Trajipaq_Finale_Ok$RELIGIONCatholique -8.276e-03
## Base_Trajipaq_Finale_Ok$RELIGIONMusulmans 5.495e-02
## Base_Trajipaq_Finale_Ok$RELIGIONOrthodoxe 3.240e-02
## Base_Trajipaq_Finale_Ok$RELIGIONProtestante -3.674e-03
## Base_Trajipaq_Finale_Ok$RELIGIONSans religion -2.176e-02
## Base_Trajipaq_Finale_Ok$MATRIMONIALConjoint(e) de fait -9.689e-03
## Base_Trajipaq_Finale_Ok$MATRIMONIALDivorce(e) 3.776e-03
## Base_Trajipaq_Finale_Ok$MATRIMONIALMarie(e) 1.126e-03
## Base_Trajipaq_Finale_Ok$MATRIMONIALSepare(e) -3.018e-04
## Base_Trajipaq_Finale_Ok$MATRIMONIALVeuf(ve) 1.392e-01
## Std. Error
## (Intercept) 3.536e-02
## Base_Trajipaq_Finale_Ok$VD1 2.658e-02
## Base_Trajipaq_Finale_Ok$SEXEHomme 9.987e-03
## Base_Trajipaq_Finale_Ok$AGE.L 2.282e-02
## Base_Trajipaq_Finale_Ok$AGE.Q 1.973e-02
## Base_Trajipaq_Finale_Ok$AGE.C 1.798e-02
## Base_Trajipaq_Finale_Ok$AGE^4 1.724e-02
## Base_Trajipaq_Finale_Ok$AGE^5 1.586e-02
## Base_Trajipaq_Finale_Ok$AGE^6 1.392e-02
## Base_Trajipaq_Finale_Ok$AGE^7 1.129e-02
## Base_Trajipaq_Finale_Ok$EDUCATION.L 1.163e-02
## Base_Trajipaq_Finale_Ok$EDUCATION.Q 1.161e-02
## Base_Trajipaq_Finale_Ok$EDUCATION.C 1.103e-02
## Base_Trajipaq_Finale_Ok$EDUCATION^4 1.197e-02
## Base_Trajipaq_Finale_Ok$ORIGINEAmerique centrale et Amerique su Sud 2.579e-02
## Base_Trajipaq_Finale_Ok$ORIGINEAsie 2.701e-02
## Base_Trajipaq_Finale_Ok$ORIGINEAutres 4.610e-02
## Base_Trajipaq_Finale_Ok$ORIGINECanada 2.283e-02
## Base_Trajipaq_Finale_Ok$ORIGINECaraibes 3.452e-02
## Base_Trajipaq_Finale_Ok$ORIGINEEurope 2.432e-02
## Base_Trajipaq_Finale_Ok$ORIGINEFrance 2.273e-02
## Base_Trajipaq_Finale_Ok$REVENU.L 1.869e-02
## Base_Trajipaq_Finale_Ok$REVENU.Q 1.765e-02
## Base_Trajipaq_Finale_Ok$REVENU.C 1.606e-02
## Base_Trajipaq_Finale_Ok$REVENU^4 1.368e-02
## Base_Trajipaq_Finale_Ok$REVENU^5 1.379e-02
## Base_Trajipaq_Finale_Ok$REVENU^6 1.284e-02
## Base_Trajipaq_Finale_Ok$LANGUEAutre 2.078e-02
## Base_Trajipaq_Finale_Ok$LANGUEFrancais 2.073e-02
## Base_Trajipaq_Finale_Ok$RELIGIONAutres Chretiens 3.918e-02
## Base_Trajipaq_Finale_Ok$RELIGIONCatholique 2.310e-02
## Base_Trajipaq_Finale_Ok$RELIGIONMusulmans 2.878e-02
## Base_Trajipaq_Finale_Ok$RELIGIONOrthodoxe 3.219e-02
## Base_Trajipaq_Finale_Ok$RELIGIONProtestante 3.856e-02
## Base_Trajipaq_Finale_Ok$RELIGIONSans religion 2.230e-02
## Base_Trajipaq_Finale_Ok$MATRIMONIALConjoint(e) de fait 1.474e-02
## Base_Trajipaq_Finale_Ok$MATRIMONIALDivorce(e) 3.051e-02
## Base_Trajipaq_Finale_Ok$MATRIMONIALMarie(e) 1.393e-02
## Base_Trajipaq_Finale_Ok$MATRIMONIALSepare(e) 2.951e-02
## Base_Trajipaq_Finale_Ok$MATRIMONIALVeuf(ve) 7.692e-02
## t value
## (Intercept) 1.790
## Base_Trajipaq_Finale_Ok$VD1 14.762
## Base_Trajipaq_Finale_Ok$SEXEHomme 1.402
## Base_Trajipaq_Finale_Ok$AGE.L 1.123
## Base_Trajipaq_Finale_Ok$AGE.Q -1.674
## Base_Trajipaq_Finale_Ok$AGE.C 1.075
## Base_Trajipaq_Finale_Ok$AGE^4 -1.647
## Base_Trajipaq_Finale_Ok$AGE^5 1.215
## Base_Trajipaq_Finale_Ok$AGE^6 0.147
## Base_Trajipaq_Finale_Ok$AGE^7 -0.185
## Base_Trajipaq_Finale_Ok$EDUCATION.L 1.855
## Base_Trajipaq_Finale_Ok$EDUCATION.Q 1.258
## Base_Trajipaq_Finale_Ok$EDUCATION.C -1.948
## Base_Trajipaq_Finale_Ok$EDUCATION^4 -1.789
## Base_Trajipaq_Finale_Ok$ORIGINEAmerique centrale et Amerique su Sud 1.685
## Base_Trajipaq_Finale_Ok$ORIGINEAsie 2.133
## Base_Trajipaq_Finale_Ok$ORIGINEAutres 0.372
## Base_Trajipaq_Finale_Ok$ORIGINECanada -1.341
## Base_Trajipaq_Finale_Ok$ORIGINECaraibes 1.654
## Base_Trajipaq_Finale_Ok$ORIGINEEurope -0.773
## Base_Trajipaq_Finale_Ok$ORIGINEFrance -1.552
## Base_Trajipaq_Finale_Ok$REVENU.L -2.638
## Base_Trajipaq_Finale_Ok$REVENU.Q -0.092
## Base_Trajipaq_Finale_Ok$REVENU.C -0.220
## Base_Trajipaq_Finale_Ok$REVENU^4 -2.003
## Base_Trajipaq_Finale_Ok$REVENU^5 0.313
## Base_Trajipaq_Finale_Ok$REVENU^6 -1.398
## Base_Trajipaq_Finale_Ok$LANGUEAutre -1.626
## Base_Trajipaq_Finale_Ok$LANGUEFrancais -0.001
## Base_Trajipaq_Finale_Ok$RELIGIONAutres Chretiens -0.259
## Base_Trajipaq_Finale_Ok$RELIGIONCatholique -0.358
## Base_Trajipaq_Finale_Ok$RELIGIONMusulmans 1.909
## Base_Trajipaq_Finale_Ok$RELIGIONOrthodoxe 1.006
## Base_Trajipaq_Finale_Ok$RELIGIONProtestante -0.095
## Base_Trajipaq_Finale_Ok$RELIGIONSans religion -0.976
## Base_Trajipaq_Finale_Ok$MATRIMONIALConjoint(e) de fait -0.657
## Base_Trajipaq_Finale_Ok$MATRIMONIALDivorce(e) 0.124
## Base_Trajipaq_Finale_Ok$MATRIMONIALMarie(e) 0.081
## Base_Trajipaq_Finale_Ok$MATRIMONIALSepare(e) -0.010
## Base_Trajipaq_Finale_Ok$MATRIMONIALVeuf(ve) 1.810
## Pr(>|t|)
## (Intercept) 0.07370
## Base_Trajipaq_Finale_Ok$VD1 < 2e-16
## Base_Trajipaq_Finale_Ok$SEXEHomme 0.16131
## Base_Trajipaq_Finale_Ok$AGE.L 0.26164
## Base_Trajipaq_Finale_Ok$AGE.Q 0.09440
## Base_Trajipaq_Finale_Ok$AGE.C 0.28276
## Base_Trajipaq_Finale_Ok$AGE^4 0.09989
## Base_Trajipaq_Finale_Ok$AGE^5 0.22454
## Base_Trajipaq_Finale_Ok$AGE^6 0.88288
## Base_Trajipaq_Finale_Ok$AGE^7 0.85317
## Base_Trajipaq_Finale_Ok$EDUCATION.L 0.06394
## Base_Trajipaq_Finale_Ok$EDUCATION.Q 0.20858
## Base_Trajipaq_Finale_Ok$EDUCATION.C 0.05171
## Base_Trajipaq_Finale_Ok$EDUCATION^4 0.07399
## Base_Trajipaq_Finale_Ok$ORIGINEAmerique centrale et Amerique su Sud 0.09239
## Base_Trajipaq_Finale_Ok$ORIGINEAsie 0.03317
## Base_Trajipaq_Finale_Ok$ORIGINEAutres 0.70976
## Base_Trajipaq_Finale_Ok$ORIGINECanada 0.18009
## Base_Trajipaq_Finale_Ok$ORIGINECaraibes 0.09837
## Base_Trajipaq_Finale_Ok$ORIGINEEurope 0.43956
## Base_Trajipaq_Finale_Ok$ORIGINEFrance 0.12106
## Base_Trajipaq_Finale_Ok$REVENU.L 0.00849
## Base_Trajipaq_Finale_Ok$REVENU.Q 0.92646
## Base_Trajipaq_Finale_Ok$REVENU.C 0.82603
## Base_Trajipaq_Finale_Ok$REVENU^4 0.04543
## Base_Trajipaq_Finale_Ok$REVENU^5 0.75453
## Base_Trajipaq_Finale_Ok$REVENU^6 0.16252
## Base_Trajipaq_Finale_Ok$LANGUEAutre 0.10432
## Base_Trajipaq_Finale_Ok$LANGUEFrancais 0.99892
## Base_Trajipaq_Finale_Ok$RELIGIONAutres Chretiens 0.79602
## Base_Trajipaq_Finale_Ok$RELIGIONCatholique 0.72021
## Base_Trajipaq_Finale_Ok$RELIGIONMusulmans 0.05651
## Base_Trajipaq_Finale_Ok$RELIGIONOrthodoxe 0.31444
## Base_Trajipaq_Finale_Ok$RELIGIONProtestante 0.92410
## Base_Trajipaq_Finale_Ok$RELIGIONSans religion 0.32955
## Base_Trajipaq_Finale_Ok$MATRIMONIALConjoint(e) de fait 0.51106
## Base_Trajipaq_Finale_Ok$MATRIMONIALDivorce(e) 0.90153
## Base_Trajipaq_Finale_Ok$MATRIMONIALMarie(e) 0.93562
## Base_Trajipaq_Finale_Ok$MATRIMONIALSepare(e) 0.99184
## Base_Trajipaq_Finale_Ok$MATRIMONIALVeuf(ve) 0.07063
##
## (Intercept) .
## Base_Trajipaq_Finale_Ok$VD1 ***
## Base_Trajipaq_Finale_Ok$SEXEHomme
## Base_Trajipaq_Finale_Ok$AGE.L
## Base_Trajipaq_Finale_Ok$AGE.Q .
## Base_Trajipaq_Finale_Ok$AGE.C
## Base_Trajipaq_Finale_Ok$AGE^4 .
## Base_Trajipaq_Finale_Ok$AGE^5
## Base_Trajipaq_Finale_Ok$AGE^6
## Base_Trajipaq_Finale_Ok$AGE^7
## Base_Trajipaq_Finale_Ok$EDUCATION.L .
## Base_Trajipaq_Finale_Ok$EDUCATION.Q
## Base_Trajipaq_Finale_Ok$EDUCATION.C .
## Base_Trajipaq_Finale_Ok$EDUCATION^4 .
## Base_Trajipaq_Finale_Ok$ORIGINEAmerique centrale et Amerique su Sud .
## Base_Trajipaq_Finale_Ok$ORIGINEAsie *
## Base_Trajipaq_Finale_Ok$ORIGINEAutres
## Base_Trajipaq_Finale_Ok$ORIGINECanada
## Base_Trajipaq_Finale_Ok$ORIGINECaraibes .
## Base_Trajipaq_Finale_Ok$ORIGINEEurope
## Base_Trajipaq_Finale_Ok$ORIGINEFrance
## Base_Trajipaq_Finale_Ok$REVENU.L **
## Base_Trajipaq_Finale_Ok$REVENU.Q
## Base_Trajipaq_Finale_Ok$REVENU.C
## Base_Trajipaq_Finale_Ok$REVENU^4 *
## Base_Trajipaq_Finale_Ok$REVENU^5
## Base_Trajipaq_Finale_Ok$REVENU^6
## Base_Trajipaq_Finale_Ok$LANGUEAutre
## Base_Trajipaq_Finale_Ok$LANGUEFrancais
## Base_Trajipaq_Finale_Ok$RELIGIONAutres Chretiens
## Base_Trajipaq_Finale_Ok$RELIGIONCatholique
## Base_Trajipaq_Finale_Ok$RELIGIONMusulmans .
## Base_Trajipaq_Finale_Ok$RELIGIONOrthodoxe
## Base_Trajipaq_Finale_Ok$RELIGIONProtestante
## Base_Trajipaq_Finale_Ok$RELIGIONSans religion
## Base_Trajipaq_Finale_Ok$MATRIMONIALConjoint(e) de fait
## Base_Trajipaq_Finale_Ok$MATRIMONIALDivorce(e)
## Base_Trajipaq_Finale_Ok$MATRIMONIALMarie(e)
## Base_Trajipaq_Finale_Ok$MATRIMONIALSepare(e)
## Base_Trajipaq_Finale_Ok$MATRIMONIALVeuf(ve) .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.1481 on 933 degrees of freedom
## (590 observations deleted due to missingness)
## Multiple R-squared: 0.2928, Adjusted R-squared: 0.2633
## F-statistic: 9.907 on 39 and 933 DF, p-value: < 2.2e-16
# Le modèle de régression traite les variables d'une manière inattendue.
cor.test(Base_Trajipaq_Finale_Ok$VI4, Base_Trajipaq_Finale_Ok$VD1)
##
## Pearson's product-moment correlation
##
## data: Base_Trajipaq_Finale_Ok$VI4 and Base_Trajipaq_Finale_Ok$VD1
## t = 18.227, df = 1429, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
## 0.3913138 0.4754453
## sample estimates:
## cor
## 0.4343263
vis_H1 <- ggplot(Base_Trajipaq_Finale_Ok %>%
filter(!is.na(VD1), !is.na(VI4), !is.na(SEXE)), aes(x = VI4, y = VD1)) +
geom_jitter(color = "pink") +
stat_smooth(method = "lm",
formula = "y ~ x",
se = FALSE,
color = "purple") +
labs(title = "Sentiment d'appartenance et discrimination",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Quebec") +
theme_bw()
print(vis_H1)
# La relation est - de manière inattendue - positive.
vis_SEXE <- ggplot(Base_Trajipaq_Finale_Ok %>%
filter(!is.na(VD1), !is.na(VI4), !is.na(SEXE)), aes(x = VI4, y = VD1, color = SEXE)) +
geom_jitter(color = "pink") +
stat_smooth(method = "lm", formula = "y ~ x", se = FALSE) +
scale_color_brewer(name = "Sexe", palette = 1) +
labs(title = "Sentiment d'appartenance et discrimination en fonction du sexe",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Quebec") +
theme_bw()
print(vis_SEXE)
# La relation semble plus forte chez les femmes avec cette méthode de visualisation.
vis_SEXE_2 <- ggplot(Base_Trajipaq_Finale_Ok %>%
filter(!is.na(VD1), !is.na(VI4), !is.na(SEXE)), aes(x = VI4, y = VD1)) +
geom_jitter(color = "pink") +
stat_smooth(method = "lm",
formula = "y ~ x",
se = FALSE,
color = "purple") +
labs(title = "Sentiment d'appartenance et discrimination en fonction du sexe",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Quebec") +
facet_wrap(~ SEXE, nrow = 2) +
theme_bw()
print(vis_SEXE_2)
# La relation ne semble pas être affectée par le sexe avec cette méthode de visualisation.
vis_AGE <- ggplot(Base_Trajipaq_Finale_Ok %>%
filter(!is.na(VD1), !is.na(VI4), !is.na(AGE)), aes(x = VI4, y = VD1, color = AGE)) +
geom_jitter(color = "pink") +
stat_smooth(method = "lm", formula = "y ~ x", se = FALSE) +
scale_color_brewer(name = "Age", palette = 1) +
labs(title = "Sentiment d'appartenance et discrimination en fonction de l'age",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Quebec") +
theme_bw()
print(vis_AGE)
# La relation semble affectée par l'âge avec cette méthode de visualisation.
vis_AGE_2 <- ggplot(Base_Trajipaq_Finale_Ok %>%
filter(!is.na(VD1), !is.na(VI4), !is.na(AGE)), aes(x = VI4, y = VD1)) +
geom_jitter(color = "pink") +
stat_smooth(method = "lm",
formula = "y ~ x",
se = FALSE,
color = "purple") +
labs(title = "Sentiment d'appartenance et discrimination en fonction de l'age",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Quebec") +
facet_wrap(~ AGE, nrow = 3) +
theme_bw()
print(vis_AGE_2)
# La relation semble également être affectée par l'âge avec cette méthode de visualisation.
vis_EDUCATION <- ggplot(Base_Trajipaq_Finale_Ok %>%
filter(!is.na(VD1), !is.na(VI4), !is.na(EDUCATION)), aes(x = VI4, y = VD1, color = EDUCATION)) +
geom_jitter(color = "pink") +
stat_smooth(method = "lm", formula = "y ~ x", se = FALSE) +
scale_color_brewer(name = "Niveau d'education", palette = 1) +
labs(title = "Sentiment d'appartenance et discrimination en fonction de l'education",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Quebec") +
theme_bw()
print(vis_EDUCATION)
# La relation semble être affectée par le niveau d'éducation avec cette méthode de visualisation.
vis_EDUCATION_2 <- ggplot(Base_Trajipaq_Finale_Ok %>%
filter(!is.na(VD1), !is.na(VI4), !is.na(EDUCATION)), aes(x = VI4, y = VD1)) +
geom_jitter(color = "pink") +
stat_smooth(method = "lm",
formula = "y ~ x",
se = FALSE,
color = "purple") +
labs(title = "Sentiment d'appartenance et discrimination en fonction de l'education",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Quebec") +
facet_wrap(~ EDUCATION, nrow = 3) +
theme_bw()
print(vis_EDUCATION_2)
# La relation ne semble pas être affectée par le niveau d'éducation avec cette méthode de visualisation.
vis_ORIGINE <- ggplot(Base_Trajipaq_Finale_Ok %>%
filter(!is.na(VD1), !is.na(VI4), !is.na(ORIGINE)), aes(x = VI4, y = VD1, color = ORIGINE)) +
geom_jitter(color = "pink") +
stat_smooth(method = "lm", formula = "y ~ x", se = FALSE) +
scale_color_brewer(name = "Region d'origine", palette = 1) +
labs(title = "Sentiment d'appartenance et discrimination en fonction de l'origine",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Quebec") +
theme_bw()
print(vis_ORIGINE)
# La relation semble être affectée par la région d'origine avec cette méthode de visualisation.
vis_ORIGINE_2 <- ggplot(Base_Trajipaq_Finale_Ok %>%
filter(!is.na(VD1), !is.na(VI4), !is.na(ORIGINE)), aes(x = VI4, y = VD1)) +
geom_jitter(color = "pink") +
stat_smooth(method = "lm",
formula = "y ~ x",
se = FALSE,
color = "purple") +
labs(title = "Sentiment d'appartenance et discrimination en fonction de l'origine",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Quebec") +
facet_wrap(~ ORIGINE, nrow = 3) +
theme_bw()
print(vis_ORIGINE_2)
# La relation semble également être affectée avec cette méthode de visualisation.
vis_REVENU <- ggplot(Base_Trajipaq_Finale_Ok %>%
filter(!is.na(VD1), !is.na(VI4), !is.na(REVENU)), aes(x = VI4, y = VD1, color = REVENU)) +
geom_jitter(color = "pink") +
stat_smooth(method = "lm", formula = "y ~ x", se = FALSE) +
scale_color_brewer(name = "Revenu", palette = 1) +
labs(title = "Sentiment d'appartenance et discrimination en fonction du revenu",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Quebec") +
theme_bw()
print(vis_REVENU)
# La relation semble être affectée par le revenu avec cette méthode de visualisation.
vis_REVENU_2 <- ggplot(Base_Trajipaq_Finale_Ok %>%
filter(!is.na(VD1), !is.na(VI4), !is.na(REVENU)), aes(x = VI4, y = VD1)) +
geom_jitter(color = "pink") +
stat_smooth(method = "lm",
formula = "y ~ x",
se = FALSE,
color = "purple") +
labs(title = "Sentiment d'appartenance et discrimination en fonction du revenu",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Quebec") +
facet_wrap(~ REVENU, nrow = 3) +
theme_bw()
print(vis_REVENU_2)
# La relation semble également être affectée par le revenu avec cette méthode de visualisation.
vis_LANGUE <- ggplot(Base_Trajipaq_Finale_Ok %>%
filter(!is.na(VD1), !is.na(VI4), !is.na(LANGUE)), aes(x = VI4, y = VD1, color = LANGUE)) +
geom_jitter(color = "pink") +
stat_smooth(method = "lm", formula = "y ~ x", se = FALSE) +
scale_color_brewer(name = "Langue maternelle", palette = 1) +
labs(title = "Sentiment d'appartenance et discrimination en fonction de la langue maternelle",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Quebec") +
theme_bw()
print(vis_LANGUE)
# La relation semble être affectée par la langue maternelle avec cette méthode de visualisation.
vis_LANGUE_2 <- ggplot(Base_Trajipaq_Finale_Ok %>%
filter(!is.na(VD1), !is.na(VI4), !is.na(LANGUE)), aes(x = VI4, y = VD1)) +
geom_jitter(color = "pink") +
stat_smooth(method = "lm",
formula = "y ~ x",
se = FALSE,
color = "purple") +
labs(title = "Sentiment d'appartenance et discrimination en fonction de la langue maternelle",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Quebec") +
facet_wrap(~ LANGUE, nrow = 2) +
theme_bw()
print(vis_LANGUE_2)
# La relation semble être également affectée par la langue maternelle avec cette méthode de visualisation.
vis_RELIGION <- ggplot(Base_Trajipaq_Finale_Ok %>%
filter(!is.na(VD1), !is.na(VI4), !is.na(RELIGION)), aes(x = VI4, y = VD1, color = RELIGION)) +
geom_jitter(color = "pink") +
stat_smooth(method = "lm", formula = "y ~ x", se = FALSE) +
scale_color_brewer(name = "Religion", palette = 1) +
labs(title = "Sentiment d'appartenance et discrimination en fonction de la religion",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Quebec") +
theme_bw()
print(vis_RELIGION)
# La relation semble être affectée par la religion avec cette méthode de visualisation.
vis_RELIGION_2 <- ggplot(Base_Trajipaq_Finale_Ok %>%
filter(!is.na(VD1), !is.na(VI4), !is.na(RELIGION)), aes(x = VI4, y = VD1)) +
geom_jitter(color = "pink") +
stat_smooth(method = "lm",
formula = "y ~ x",
se = FALSE,
color = "purple") +
labs(title = "Sentiment d'appartenance et discrimination en fonction de la religion",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Quebec") +
facet_wrap(~ RELIGION, nrow = 3) +
theme_bw()
print(vis_RELIGION_2)
# La relation semble être également affectée par la religion avec cette méthode de visualisation.
vis_MATRIMONIAL <- ggplot(Base_Trajipaq_Finale_Ok %>%
filter(!is.na(VD1), !is.na(VI4), !is.na(MATRIMONIAL)), aes(x = VI4, y = VD1, color = MATRIMONIAL)) +
geom_jitter(color = "pink") +
stat_smooth(method = "lm", formula = "y ~ x", se = FALSE) +
scale_color_brewer(name = "Statut matrimonial", palette = 1) +
labs(title = "Sentiment d'appartenance et discrimination en fonction du statut matrimonial",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Quebec") +
theme_bw()
print(vis_MATRIMONIAL)
# La relation semble être affectée par le statut matrimonial avec cette méthode de visualisation.
vis_MATRIMONIAL_2 <- ggplot(Base_Trajipaq_Finale_Ok %>%
filter(!is.na(VD1), !is.na(VI4), !is.na(MATRIMONIAL)), aes(x = VI4, y = VD1)) +
geom_jitter(color = "pink") +
stat_smooth(method = "lm",
formula = "y ~ x",
se = FALSE,
color = "purple") +
labs(title = "Sentiment d'appartenance et discrimination en fonction du statut matrimonial",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Quebec") +
facet_wrap(~ MATRIMONIAL, nrow = 3) +
theme_bw()
print(vis_MATRIMONIAL_2)
# La relation semble être également affectée par le statut matrimonial avec cette méthode de visualisation.
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(VD2_N = case_when(
VD2 == "Non" ~ 0,
VD2 == "Oui" ~ 1
))
reg_2 <- glm(formula = VD2_N ~ VI4, family = "binomial", data = Base_Trajipaq_Finale_Ok)
summary(reg_2)
##
## Call:
## glm(formula = VD2_N ~ VI4, family = "binomial", data = Base_Trajipaq_Finale_Ok)
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) 0.9956 0.1294 7.696 1.40e-14 ***
## VI4 2.3216 0.4646 4.997 5.82e-07 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 1296.2 on 1418 degrees of freedom
## Residual deviance: 1268.8 on 1417 degrees of freedom
## (144 observations deleted due to missingness)
## AIC: 1272.8
##
## Number of Fisher Scoring iterations: 4
cor.test(Base_Trajipaq_Finale_Ok$VD2_N, Base_Trajipaq_Finale_Ok$VI4)
##
## Pearson's product-moment correlation
##
## data: Base_Trajipaq_Finale_Ok$VD2_N and Base_Trajipaq_Finale_Ok$VI4
## t = 5.0581, df = 1417, p-value = 4.789e-07
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
## 0.08169993 0.18393586
## sample estimates:
## cor
## 0.1331721
ggplot(Base_Trajipaq_Finale_Ok %>% filter(!is.na(VD2_N), !is.na(VI4)), aes(x = VI4, y = VD2_N)) +
stat_smooth(method = "glm",
formula = "y ~ x",
color = "pink",
se = FALSE,
method.args = list(family = binomial)) +
labs(
title = "Sentiment d'appartenance et discrimination",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Canada") +
theme_bw()
# La relation est - de manière inattendue - positive.
ggplot(Base_Trajipaq_Finale_Ok %>% filter(!is.na(VD2_N), !is.na(VI4)), aes(x = VI4, y = VD2_N)) +
stat_smooth(method = "glm",
formula = "y ~ x",
color = "pink",
se = FALSE,
method.args = list(family = binomial)) +
labs(
title = "Sentiment d'appartenance et discrimination en fonction du sexe",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Canada") +
facet_wrap(~ SEXE, nrow = 2) +
theme_bw()
# La relation semble être affectée par le sexe.
ggplot(Base_Trajipaq_Finale_Ok %>% filter(!is.na(VD2_N), !is.na(VI4)), aes(x = VI4, y = VD2_N)) +
stat_smooth(method = "glm",
formula = "y ~ x",
color = "pink",
se = FALSE,
method.args = list(family = binomial)) +
labs(
title = "Sentiment d'appartenance et discrimination en fonction de l'age",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Canada") +
facet_wrap(~ AGE, nrow = 3) +
theme_bw()
# La relation semble être affectée par l'âge.
ggplot(Base_Trajipaq_Finale_Ok %>% filter(!is.na(VD2_N), !is.na(VI4), !is.na(EDUCATION)), aes(x = VI4, y = VD2_N)) +
stat_smooth(method = "glm",
formula = "y ~ x",
color = "pink",
se = FALSE,
method.args = list(family = binomial)) +
labs(
title = "Sentiment d'appartenance et discrimination en fonction de l'education",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Canada") +
facet_wrap(~ EDUCATION, nrow = 3) +
theme_bw()
# La relation semble être affectée par le niveau d'éducation.
ggplot(Base_Trajipaq_Finale_Ok %>% filter(!is.na(VD2_N), !is.na(VI4), !is.na(ORIGINE)), aes(x = VI4, y = VD2_N)) +
stat_smooth(method = "glm",
formula = "y ~ x",
color = "pink",
se = FALSE,
method.args = list(family = binomial)) +
labs(
title = "Sentiment d'appartenance et discrimination en fonction de l'origine",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Canada") +
facet_wrap(~ ORIGINE, nrow = 3) +
theme_bw()
# La relation semble être affectée par le pays d'origine.
ggplot(Base_Trajipaq_Finale_Ok %>% filter(!is.na(VD2_N), !is.na(VI4), !is.na(REVENU)), aes(x = VI4, y = VD2_N)) +
stat_smooth(method = "glm",
formula = "y ~ x",
color = "pink",
se = FALSE,
method.args = list(family = binomial)) +
labs(
title = "Sentiment d'appartenance et discrimination en fonction du revenu",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Canada") +
facet_wrap(~ REVENU, nrow = 3) +
theme_bw()
# La relation semble être affectée par le revenu.
ggplot(Base_Trajipaq_Finale_Ok %>% filter(!is.na(VD2_N), !is.na(VI4), !is.na(LANGUE)), aes(x = VI4, y = VD2_N)) +
stat_smooth(method = "glm",
formula = "y ~ x",
color = "pink",
se = FALSE,
method.args = list(family = binomial)) +
labs(
title = "Sentiment d'appartenance et discrimination en fonction du revenu",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Canada") +
facet_wrap(~ LANGUE, nrow = 2) +
theme_bw()
# La relation semble être affectée par la langue maternelle.
ggplot(Base_Trajipaq_Finale_Ok %>% filter(!is.na(VD2_N), !is.na(VI4), !is.na(RELIGION)), aes(x = VI4, y = VD2_N)) +
stat_smooth(method = "glm",
formula = "y ~ x",
color = "pink",
se = FALSE,
method.args = list(family = binomial)) +
labs(
title = "Sentiment d'appartenance et discrimination en fonction de la religion",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Canada") +
facet_wrap(~ RELIGION, nrow = 3) +
theme_bw()
# La relation semble être affectée par la religion.
ggplot(Base_Trajipaq_Finale_Ok %>% filter(!is.na(VD2_N), !is.na(VI4), !is.na(MATRIMONIAL)), aes(x = VI4, y = VD2_N)) +
stat_smooth(method = "glm",
formula = "y ~ x",
color = "pink",
se = FALSE,
method.args = list(family = binomial)) +
labs(
title = "Sentiment d'appartenance et discrimination en fonction du statut matrimonial",
x = "Discrimination subie au cours des 12 derniers mois",
y = "Sentiment d'appartenance au Canada") +
facet_wrap(~ MATRIMONIAL, nrow = 3) +
theme_bw()
# La relation semble être affectée par le statut matrimonial.
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(VD3_N = case_when(
VD3 == "Non" ~ 0,
VD3 == "Oui" ~ 1
))
reg_3 <- glm(formula = VD3_N ~ VI4, family = "binomial", data = Base_Trajipaq_Finale_Ok)
summary(reg_3)
##
## Call:
## glm(formula = VD3_N ~ VI4, family = "binomial", data = Base_Trajipaq_Finale_Ok)
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) 1.3078 0.1272 10.281 <2e-16 ***
## VI4 0.6188 0.4067 1.522 0.128
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 1347.2 on 1400 degrees of freedom
## Residual deviance: 1344.8 on 1399 degrees of freedom
## (162 observations deleted due to missingness)
## AIC: 1348.8
##
## Number of Fisher Scoring iterations: 4
# La relation n'est pas significative avec une chance d'erreur alpha égale à 5%.
Base_Trajipaq_Finale_Ok <-
Base_Trajipaq_Finale_Ok %>%
mutate(VD1_F = case_when(
VD1 < 0.5 ~ "Non",
VD1 >= 0.5 ~ "Oui"
))
ctable(Base_Trajipaq_Finale_Ok$VD3, Base_Trajipaq_Finale_Ok$VD1_F)
## Cross-Tabulation, Row Proportions
## VD3 * VD1_F
## Data Frame: Base_Trajipaq_Finale_Ok
##
## ------- ------- ------------- ------------- ------------ ---------------
## VD1_F Non Oui <NA> Total
## VD3
## Non 120 (42.9%) 158 (56.4%) 2 ( 0.7%) 280 (100.0%)
## Oui 458 (37.3%) 759 (61.9%) 10 ( 0.8%) 1227 (100.0%)
## <NA> 21 (37.5%) 24 (42.9%) 11 (19.6%) 56 (100.0%)
## Total 599 (38.3%) 941 (60.2%) 23 ( 1.5%) 1563 (100.0%)
## ------- ------- ------------- ------------- ------------ ---------------
chisq.test(Base_Trajipaq_Finale_Ok$VD3, Base_Trajipaq_Finale_Ok$VD1_F)
##
## Pearson's Chi-squared test with Yates' continuity correction
##
## data: Base_Trajipaq_Finale_Ok$VD3 and Base_Trajipaq_Finale_Ok$VD1_F
## X-squared = 2.6917, df = 1, p-value = 0.1009
# La relation n'est pas significative avec une chance d'erreur alpha égale à 5%.